นักวิจัยพบว่าเมื่อเปรียบเทียบโครงข่ายประสาทเทียมที่มีป้ายกำกับการฝึกต่างกัน โครงข่ายประสาทเทียมจะทำงานได้ดีขึ้น
ภาษาไบนารีมีขนาดกะทัดรัดและถูกต้องสำหรับการส่งข้อมูล ในทางตรงกันข้ามภาษาพูดของมนุษย์มีวรรณยุกต์และคล้ายคลึงกันมากกว่า เนื่องจากตัวเลขเป็นวิธีที่มีประสิทธิภาพในการแปลงข้อมูลเป็นดิจิทัลโปรแกรมเมอร์จึงไม่ค่อยใช้อินพุตประเภทอื่น ๆ ในการออกแบบโครงข่ายประสาทเทียม
หนึ่งในแบบฝึกหัดที่พบบ่อยที่สุดสำหรับทดสอบวิธีการเรียนรู้ของเครื่องแบบใหม่: สอน AI ให้จดจำวัตถุหรือสัตว์ในภาพถ่าย ผู้เขียนผลงานใหม่ได้ทำการทดลอง: พวกเขาสร้างโครงข่ายประสาทเทียมใหม่สองเครือข่ายที่ควรจดจำวัตถุที่แตกต่างกันสิบประเภทจากคอลเลกชันภาพถ่ายจำนวน 50,000 ภาพ
ระบบ AI ระบบแรกได้รับการฝึกด้วยวิธีดั้งเดิม โดยโหลดด้วยตารางข้อมูลหลายพันแถว แต่ละแถวสอดคล้องกับภาพถ่ายการฝึกเพียงภาพเดียว
และผู้เขียนได้โหลดตารางเข้าสู่ระบบที่สองข้อมูล แถวที่มีรูปถ่ายของสัตว์หรือวัตถุ และในคอลัมน์ที่สองมีไฟล์เสียงที่บุคคลออกเสียงชื่อของวัตถุหรือสัตว์
เป็นผลให้โครงข่ายประสาทเทียมแรกสร้างดิจิทัลความหมายของวัตถุที่แสดงให้เธอเห็น และอย่างที่สองพยายาม "บอก" สิ่งที่เธอเห็น อัลกอริธึมทั้งสองจัดการกับงานได้อย่างมีประสิทธิภาพเท่าเทียมกันและตอบได้อย่างถูกต้องใน 92% ของกรณี ผู้เขียนทราบ
อย่างไรก็ตามผลการทดลองเปลี่ยนแปลงไปเมื่อนักวิทยาศาสตร์ลดจำนวนตัวอย่างจาก 50,000 เหลือ 2.5 พัน จากนั้นความแม่นยำของคำตอบของ AI ตัวแรกก็ลดลงเหลือ 35% และคำตอบที่สองซึ่งฝึกด้วยเสียงก็ลดลงเหลือเพียง 70% เท่านั้น
อ่านเพิ่มเติม:
นักวิจัยจมดิ่งลงสู่เรือที่จมลึกที่สุดเป็นครั้งแรก
แผนที่แรกที่แม่นยำของโลกถูกสร้างขึ้น คนอื่นผิดอะไร
ระบบไร้สายปรากฏขึ้นซึ่งช่วยให้คนเป็นอัมพาตได้